無(wú)線傳感器網(wǎng)絡(luò)智能分簇及數(shù)據(jù)融合算法研究.pdf

1、無(wú)線傳感器網(wǎng)絡(luò)（Wireless Sensor Networks,WSN）是一種新興的網(wǎng)絡(luò)技術(shù)，被列為被列為21世紀(jì)最有影響的技術(shù)和改變世界的十大技術(shù)之一。WSN綜合了很多的領(lǐng)域：嵌入式技術(shù)、網(wǎng)絡(luò)信息處理技術(shù)和無(wú)線通信技術(shù)等，隨著這些技術(shù)的發(fā)展，WSN也有了廣闊的應(yīng)用空間，例如應(yīng)用在國(guó)防軍事、交通運(yùn)輸、環(huán)境監(jiān)測(cè)和智能家居等。WSN是由大量分布在檢測(cè)區(qū)的傳感器節(jié)點(diǎn)組成，這些節(jié)點(diǎn)把從監(jiān)測(cè)區(qū)采集的數(shù)據(jù)傳送到匯聚節(jié)點(diǎn)，匯聚節(jié)點(diǎn)然后對(duì)數(shù)據(jù)進(jìn)行處理

2、，并對(duì)檢測(cè)區(qū)進(jìn)行評(píng)估。
　　自從2004年，Candés、Romberg和Tao等人提出壓縮感知理論（Compress Sensing,CS），并正式成為獨(dú)立的理論。短短十年間壓縮感知理論給信號(hào)處理帶來(lái)巨大的變化，此理論最早運(yùn)用在研究核磁共振成像問(wèn)題上，后來(lái)被運(yùn)用到無(wú)線傳感器網(wǎng)絡(luò)、工程數(shù)學(xué)以及圖像處理等多個(gè)學(xué)科，目前CS發(fā)展很迅猛，以美國(guó)為首，各國(guó)的著名大學(xué)都開(kāi)始CS理論相關(guān)應(yīng)用的研究。信號(hào)可以壓縮的前提是信號(hào)是可以稀疏的，對(duì)稀疏

3、的信號(hào)采樣和壓縮可以同時(shí)進(jìn)行處理，通過(guò)測(cè)量矩陣把高維信號(hào)投影到低維信號(hào)，這樣減少了信號(hào)傳輸?shù)牧?，減少了網(wǎng)絡(luò)能量和解決了信號(hào)傳輸?shù)膿頂D，最終從低維的信號(hào)通過(guò)重構(gòu)算法重構(gòu)高維的源信號(hào)。本文針對(duì)節(jié)點(diǎn)的能量有限問(wèn)題，提出一種基于分布式壓縮感知的層次型數(shù)據(jù)融合算法：結(jié)合分簇協(xié)議和節(jié)點(diǎn)信息相關(guān)性，使用聯(lián)合稀疏（Joint Sparsity Model,JSM）和重構(gòu)算法，對(duì)節(jié)點(diǎn)信息精確重構(gòu)，實(shí)驗(yàn)證明這種算法可以節(jié)省節(jié)點(diǎn)能耗并且提高信號(hào)重構(gòu)精度。本文

4、主要做的工作：
　?。?）在傳統(tǒng)CS理論中，無(wú)線傳感器網(wǎng)絡(luò)內(nèi)每個(gè)傳感器節(jié)點(diǎn)都直接將信息發(fā)送給匯聚節(jié)點(diǎn)，在重構(gòu)時(shí)也僅僅考慮了節(jié)點(diǎn)信息的內(nèi)部相關(guān)性，這就可能導(dǎo)致節(jié)點(diǎn)信息的丟失和網(wǎng)絡(luò)過(guò)多能量的消耗。本文著重調(diào)節(jié)無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)處理性能和節(jié)省節(jié)點(diǎn)能量角度出發(fā)，延長(zhǎng)網(wǎng)絡(luò)壽命、提高網(wǎng)絡(luò)數(shù)據(jù)的傳輸和運(yùn)算速率。利用LEACH分簇協(xié)議對(duì)網(wǎng)絡(luò)節(jié)點(diǎn)進(jìn)行分簇，結(jié)合無(wú)線傳感器網(wǎng)絡(luò)內(nèi)節(jié)點(diǎn)間的空間相關(guān)性與JSM1聯(lián)合稀疏模型，根據(jù)基于邊信息的分布式壓縮感知算

5、法對(duì)傳感器節(jié)點(diǎn)信息進(jìn)行壓縮重構(gòu)。
　?。?）本文針對(duì)LEACH算法對(duì)無(wú)線傳感器網(wǎng)絡(luò)分簇存在的缺點(diǎn)：分簇不均勻，容易使一個(gè)節(jié)點(diǎn)重復(fù)作為簇頭能量過(guò)早的消耗完成為死點(diǎn)，采集數(shù)據(jù)出現(xiàn)盲點(diǎn)。傳統(tǒng)的人工魚群用在傳感器網(wǎng)絡(luò)中收斂速度慢，計(jì)算量大。在LEACH和傳統(tǒng)人工魚群算法的基礎(chǔ)上對(duì)網(wǎng)絡(luò)分簇的每次迭代的時(shí)候動(dòng)態(tài)改變擁擠度、人工魚前進(jìn)步長(zhǎng)和視野范圍，可是使網(wǎng)絡(luò)從全局搜索后到局部搜索，加快了收斂的速度，比LEACH和傳統(tǒng)人工魚群算法平均降低了計(jì)算

6、量11％以上，節(jié)省網(wǎng)絡(luò)能量21%以上，從而延長(zhǎng)了網(wǎng)絡(luò)壽命。
　　（3）針對(duì)網(wǎng)絡(luò)節(jié)點(diǎn)符合JSM2稀疏模型的情況，本文提出另一種基于分布式壓縮感知的層次型數(shù)據(jù)融合算法：該算法基于動(dòng)態(tài)人工魚群優(yōu)化的無(wú)線傳感器網(wǎng)絡(luò)的分簇算法，對(duì)網(wǎng)絡(luò)分好簇后，節(jié)點(diǎn)數(shù)據(jù)傳給各自的簇頭，在簇頭對(duì)節(jié)點(diǎn)數(shù)據(jù)進(jìn)行獨(dú)立編碼，把測(cè)量值傳送到SINK節(jié)點(diǎn)，在SINK節(jié)點(diǎn)對(duì)全網(wǎng)節(jié)點(diǎn)數(shù)據(jù)用SOMP重構(gòu)算法進(jìn)行恢復(fù)。仿真分析表明動(dòng)態(tài)人工魚群分簇算法比傳統(tǒng)人工魚群算法或LEACH